Prompt engineering

प्रॉम्प्ट इंजीनियरिंग (Prompt Engineering) के मुख्य नोट्स

• प्रॉम्प्ट इंजीनियरिंग क्या है?
• यह एक लिखे गए प्रॉम्प्ट (Prompt) को बेहतर बनाने की प्रक्रिया है ताकि अधिक विश्वसनीय (reliable) और उच्च गुणवत्ता वाले आउटपुट प्राप्त किए जा सकें।

• मॉड्यूल का कार्यप्रवाह (Workflow):
• एक प्रारंभिक प्रॉम्प्ट लिखना (Initial Prompt)।
• प्रॉम्प्ट का मूल्यांकन करना (Evaluation) → खराब स्कोर प्राप्त होना।
• प्रॉम्प्ट इंजीनियरिंग तकनीकों का उपयोग करके इसे चरणबद्ध तरीके से सुधारना।
• सुधार के बाद फिर से मूल्यांकन करना और बेहतर प्रदर्शन देखना।

• प्रॉम्प्ट का लक्ष्य (Goal of the Prompt):
• एक एथलीट के लिए एक दिन का भोजन योजना (One-day meal plan) तैयार करना।
• यह योजना निम्नलिखित इनपुट पर आधारित होगी:
• ऊंचाई (Height)
• वजन (Weight)
• शारीरिक लक्ष्य (Physical Goal)
• आहार संबंधी प्रतिबंध (Dietary Restrictions)

• प्रॉम्प्ट इवैल्यूएटर (Prompt Evaluator):
• यह एक क्लास है जो डेटासेट जनरेशन और मॉडल ग्रेडिंग (Model Grading) जैसी सभी प्रक्रियाओं को संभालती है।
• Concurrency (समवर्ती कार्य): यह क्लास एक साथ कई API कॉल को सपोर्ट करती है, जिससे मूल्यांकन की गति बढ़ती है।
• चेतावनी: यदि दर सीमा त्रुटियाँ (Rate Limit Errors) आती हैं, तो Concurrency के मान को कम करें (जैसे 50 से 1)।

• डेटासेट जनरेशन (Dataset Generation):
• प्रॉम्प्ट के उद्देश्य और आवश्यक इनपुट (जैसे ऊंचाई CM में, वजन किलोग्राम में) को परिभाषित किया जाता है।
• टेस्ट केस की संख्या (Number of Test Cases) कम रखना (जैसे 2 या 3) अनुशंसित है ताकि मूल्यांकन जल्दी हो सके।

• प्रारंभिक प्रॉम्प्ट (Initial Prompt):
• शुरुआत में प्रॉम्प्ट बहुत सरल और सीधा रखा जाता है (जैसे: "इस व्यक्ति को क्या खाना चाहिए? ") ताकि यह देखा जा सके कि सुधार से स्कोर कैसे बढ़ता है।

• मूल्यांकन प्रक्रिया (Evaluation Process):
• Extra Criteria (अतिरिक्त मानदंड): यह एक महत्वपूर्ण पैरामीटर है जो मॉडल ग्रेडिंग के दौरान अतिरिक्त निर्देश देता है।

Takeaways

• प्रॉम्प्ट इंजीनियरिंग का मुख्य उद्देश्य प्रॉम्प्ट को बेहतर बनाकर विश्वसनीय और उच्च गुणवत्ता वाले आउटपुट प्राप्त करना है।
• प्रॉम्प्ट का कार्यप्रवाह (Workflow) प्रारंभिक प्रॉम्प्ट लिखने, मूल्यांकन करने, तकनीकों से सुधार करने और फिर से मूल्यांकन करने की एक चरणबद्ध प्रक्रिया है।
• प्रॉम्प्ट इवैल्यूएटर डेटासेट जनरेशन और मॉडल ग्रेडिंग को संभालता है; Concurrency से गति बढ़ती है, लेकिन Rate Limit Errors आने पर इसे कम करना आवश्यक है।
• मूल्यांकन करते समय टेस्ट केस की संख्या कम (जैसे 2 या 3) रखें और सुधार के प्रभाव को मापने के लिए शुरुआत में सरल प्रॉम्प्ट का उपयोग करें।